Statistiques ETBX pour l’HCERES 2020

Initialisation et import des données

## Manipulation de données
library(tidyverse)
library(purrr)
library(igraph)
library(wordcloud2)
library(here)


## Package pour l'import de .bib
library(bib2df)
library(bibliometrix)

## Thème INRAE
source(here("R","theme_inrae.R"))
# Liste des fichiers bib irsteadoc
list_bib <- list.files(here(),pattern = "\\.bib$")[-1] # Pour ne pas prendre biball

# Import et mise en tableau
bib_df <- purrr::map_df(list_bib,bib2df::bib2df)

Barplot général de toutes les entrées

plot_general <- bib_df %>% select(NOTE, AUTHOR, TITLE, YEAR) %>% 
  unnest(AUTHOR) %>% 
  group_by(YEAR,NOTE) %>% 
  summarise(n = n_distinct(TITLE)) %>% 
  ungroup() %>% 
  arrange(desc(n)) %>% 
  
ggplot(aes(x = reorder(NOTE, n), y = n)) +
  geom_col(color = "black", aes(fill = NOTE))+
  geom_label(aes(label = n)) +
  facet_wrap(~YEAR, scales = "free") +
  guides(fill = FALSE) +
  coord_flip() +
  theme_inrae() +
  labs(title = "Nombre d'entrées bibliographiques par catégorie de document", subtitle = "Tous les agents confondus", caption = "Export IrsteaDoc du 16/03/2020") +
  theme(axis.title = element_blank()) 

plot_general

TO-DO: Idem mais “chercheurs” uniquement

Nombre d’Article à Comité de Lecture (ACL) par année.

plot_ACL <- bib_df %>% select(NOTE, AUTHOR, TITLE, YEAR) %>% 
  unnest(AUTHOR) %>% 
  group_by(YEAR, NOTE) %>%
  filter(NOTE %in% c("Article de revue scientifique à comité de lecture","Communication scientifique avec actes")) %>% 
  summarise(n = n_distinct(TITLE)) %>% 
  mutate(n_publi = sum(n)) %>% 
  ungroup() %>% 
  arrange(YEAR) %>% 
  mutate(YEAR = as.character(YEAR)) %>% 
  
  ggplot(aes(x = YEAR, y = n)) +
  geom_col(color = "black", aes(fill = NOTE))+
  geom_label(aes(y = n_publi,label = n_publi), size = 6) +
  scale_fill_inrae(name = "Catégorie")+
  theme_inrae() +
  theme(axis.title.x = element_blank())+
  labs(title = "Nombre d'ACL par année", subtitle = "Tous les agents confondus", y = "Nombre d'ACL")

plot_ACL

TO-DO: Idem mais “chercheurs” uniquement

Sélection des auteurs ETBX

TODO : Attention il faudra regrouper manuellement certains noms composés … Adeline Alonso-Ugaglia par exemple de BSA y est 2 fois (et ça a sûrement pu arriver pour des gens d’ETBX). Dans ce cas là, les noter et on fusionnera ici ces noms avant de faire des stats/graphes.

Récupération de données bibliométriques

Les données telles que le nombre de citations ne sont pas présentes dans l’export IrsteaDoc. Il faut donc chercher ces informations par une requête sur les principaux moteurs de recherche dédiés. Scopus a fourni le plus de résultats avec 58 retours basés sur le DOI. Environ 40 infos de citation ont également été récupérées manuellement via google scholar.

Construction de la base de DOIs

## J'ai retrouvé quelques DOI à la main
complement_doi <- read_csv2("complement_doi.csv")

## Ces 16 entrées ne sont que dans HAL (aucune info citation)
doi_hal <- complement_doi %>% filter(str_detect(DOI,"hal-"))

## Ces entrées ont un DOI OK à ajouter
doi_ok <- complement_doi %>% filter(str_detect(DOI,"10.")) %>% select(-citations)

## Ces entrées n'ont pas de DOI mais j'ai relevé quand c'était possible leur nombre de citations
citations <- complement_doi %>% filter(!is.na(citations)) %>% rename(nb_citations=citations) %>% 
  select(BIBTEXKEY,nb_citations)

base_doi <- bib_df %>% 
  filter(NOTE %in% c("Article de revue scientifique à comité de lecture","Communication scientifique avec actes")) %>% 
  select(BIBTEXKEY,AUTHOR,TITLE,DOI) %>% 
  mutate(DOI = str_remove_all(DOI,"http://dx.doi.org/")) %>%
  filter(!BIBTEXKEY %in% doi_ok$BIBTEXKEY) %>%
  bind_rows(doi_ok) %>% drop_na(DOI)

Requête SCOPUS

## Voici la requête à effectuer sur Scopus > Advanced
Scopus_Request <- base_doi %>% 
  mutate(request = paste0("DOI(",DOI,")")) %>% 
  pull(request) %>% 
  paste0(collapse = " OR ")

## On lit l'export Scopus

scopus_data_raw <- bibliometrix::readFiles("bdd_biblio/scopus_2.bib") %>% 
  bibliometrix::convert2df(dbsource = "scopus", format = "bibtex")
## 
## Converting your scopus collection into a bibliographic dataframe
## 
## Articles extracted   60 
## Done!
## 
## 
## Generating affiliation field tag AU_UN from C1:  Done!
scopus_data <- scopus_data_raw  %>% tbl_df() %>% 
  select(DOI = DI,nb_citations = TC) %>%
  arrange(desc(nb_citations))

## On refait la jointure avec les données initiales, et on ajoute les données de citation
new_bib_df <- scopus_data %>%
  mutate(DOI = tolower(DOI)) %>%
  inner_join(base_doi %>% mutate(DOI = tolower(DOI)), by = "DOI") %>%
  select(BIBTEXKEY,nb_citations) %>%
  bind_rows(citations) %>% 
  full_join(bib_df, by = "BIBTEXKEY") %>% 
  unique()

Nous avons récupéré des information bibliométriques Scopus (dont les citations) pour 96 ACL / 125.

Analyse du nombre de citations

nb_citations_an <- new_bib_df %>% group_by(YEAR) %>% summarise(nb_citations = sum(nb_citations,na.rm=TRUE))
nb_citations_an
YEAR nb_citations
2017 144
2018 82
2019 30
2020 1 
# On enlève 2020 car plombe le résultat.
nb_moy_citation_an <- mean(nb_citations_an$nb_citations[-4]) 
nb_moy_citation_an
## [1] 85.33333

On a donc 80 citations en moyenne par an sur la base de 94 documents parmi les 125 recensés ACL (sur 2017-2019). En toute logique, les articles publiés en 2017 ont été cités plus de fois (car plus nombreux, et surtout plus anciens).

Collaborations

National

vec_affiliations <- new_bib_df %>%
  select(AFFILIATION) %>% 
  mutate(delinked = str_split(AFFILIATION, " ; ")) %>% 
  pull(delinked) %>%
  unlist() 


wrapit <- function(text) {
  wtext <- paste(strwrap(text, width = 50), collapse = " \n ")
  return(wtext)
}

links <- tibble(origin = "INRAE BORDEAUX UR ETBX FRA", collab = vec_affiliations) %>% 
  filter(!collab %in% c("IRSTEA BORDEAUX UR ETBX FRA","INRAE BORDEAUX UR ETBX FRA")) %>% 
  mutate(origin_country = str_sub(origin, start= -3)) %>% 
  mutate(collab_country = str_sub(collab, start= -3)) %>% 
  filter(collab_country == "FRA") %>% 
  select(-origin_country,-collab_country) %>% 
  mutate(collab = str_remove_all(collab,";")) %>% 
  mutate(collab = str_trim(collab)) %>% 
  mutate(collab = ifelse(collab == "BORDEAUX SCIENCES AGRO UMR SAVE GRADIGNAN FRA", yes = "BORDEAUX SCIENCES AGRO GRADIGNAN FRA", no = collab)) %>% 
  rowwise() %>% 
  mutate(collab = wrapit(collab)) %>% 
  # mutate(collab = str_to_title(collab)) %>% 
  ungroup() %>% 
  group_by(origin) %>%
  count(collab) %>%
  ungroup() 
n_distinct(links$collab)
## [1] 173

ETBX a co-publié avec 173 structures françaises différentes.

Visualisation des 10 structures françaises avec lesquelles ETBX collabore le plus :

collab_10_FRA <- links %>%
  arrange(desc(n)) %>%
  slice(1:10) %>% 

ggplot(aes(x = reorder(collab,n), y = n)) +
  geom_col(fill = "#00a3a6", color ="black") +
  geom_label(aes(label = n)) +
  coord_flip() +
  theme_inrae() +
  labs(y = "Nombre de co-publications", x = "Structure", title = "Nombre de collaborations nationales")

collab_10_FRA

International

vec_affiliations <- new_bib_df %>%
  filter(NOTE %in% c("Article de revue scientifique à comité de lecture","Communication scientifique avec actes")) %>% 
  select(AFFILIATION) %>% 
  mutate(delinked = str_split(AFFILIATION, " ; ")) %>% 
  pull(delinked) %>%
  unlist() 

links <- tibble(origin = "INRAE BORDEAUX UR ETBX FRA", collab = vec_affiliations) %>% 
  filter(!collab %in% c("IRSTEA BORDEAUX UR ETBX FRA","INRAE BORDEAUX UR ETBX FRA")) %>% 
  mutate(origin_country = str_sub(origin, start= -3)) %>% 
  mutate(collab_country = str_sub(collab, start= -3)) %>% 
  mutate(collab_country = toupper(collab_country)) %>% 
  group_by(origin_country) %>% 
  count(collab_country) %>%
  ungroup() %>%
  select(origin_country,collab_country,importance=n) %>% 
  filter(!collab_country %in% c("FRA","-")) %>% 
  mutate(origin_country = recode(origin_country,"FRA"="ETBX")) 
n_distinct(links$collab_country)
## [1] 43

ETBX a co-publié avec 43 pays différents.

Visualisation des 10 pays avec lesquels ETBX collabore le plus :

collab_10_INT <- links %>%
  arrange(desc(importance)) %>%
  slice(1:10) %>% 

ggplot(aes(x = reorder(collab_country,importance), y = importance)) +
  geom_col(fill = "#00a3a6", color ="black") +
  geom_label(aes(label = importance)) +
  coord_flip() +
  theme_inrae() +
  labs(y = "Nombre de co-publications", x = "Pays", title = "Nombre de collaboration internationales")

collab_10_INT

Analyse des mots clés

vec_keywords <- bib_df %>% unique() %>% 
  select(KEYWORDS) %>%
  mutate(KEYWORDS = str_split(KEYWORDS," ; ")) %>% 
  pull(KEYWORDS) %>%
  unlist()

word_count <- tibble(keyword = vec_keywords) %>% 
  count(keyword) %>% 
  arrange(desc(n))

wd <- wordcloud2(word_count,size = 0.5)